[发明专利]基于深度学习的优化超声成像系统参数的方法有效
| 申请号： | 201711224993.0 | 申请日： | 2017-11-24 |
| 公开（公告）号： | CN109833061B | 公开（公告）日： | 2020-08-04 |
| 发明（设计）人： | 张智伟;赵明昌;陆坚 | 申请（专利权）人： | 无锡祥生医疗科技股份有限公司 |
| 主分类号： | A61B8/00 | 分类号： | A61B8/00 |
| 代理公司： | 无锡市大为专利商标事务所(普通合伙) 32104 | 代理人： | 曹祖良;屠志力 |
| 地址： | 214028 江苏省无锡市新吴区新*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供一种基于深度学习的优化超声成像系统参数的方法，包括以下步骤：步骤1：收集用于训练神经网络的样本，样本包括超声图像样本I、以及采集这超声些图像样本时超声成像系统所使用的相应超声成像系统参数向量样本P；步骤2：建立神经网络模型并使用步骤1收集到的样本训练神经网络至收敛，得到训练好得神经网络系统onn；步骤3：以原始的超声成像系统参数向量p或者原始超声图像作为输入输入到步骤2训练好的神经网络系统onn中，此时从onn输出端获得的参数就是优化的超声成像系统参数向量ep=onn(p)。本发明实现通过优化超声成像系统参数来提高超声图像质量的目的。 | ||
| 搜索关键词： | 基于 深度 学习 优化 超声 成像 系统 参数 方法 | ||
【主权项】：
1.一种基于深度学习的优化超声成像系统参数的方法，其特征在于，包括以下步骤：步骤1：收集用于训练神经网络的样本，样本包括超声图像样本I、以及采集这超声些图像样本时超声成像系统所使用的相应超声成像系统参数向量样本P；步骤2：建立神经网络模型并使用步骤1收集到的样本训练神经网络至收敛，得到训练好得神经网络系统onn；步骤3：以原始的超声成像系统参数向量p或者原始超声图像作为输入输入到步骤2训练好的神经网络系统onn中，此时从onn输出端获得的参数就是优化的超声成像系统参数向量ep=onn(p)。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于无锡祥生医疗科技股份有限公司，未经无锡祥生医疗科技股份有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201711224993.0/，转载请声明来源钻瓜专利网。
- 上一篇：一种超声肺功能仪发射功率自动调整的电路
- 下一篇：超声探头
